Katman (layer), bir yapay sinir ağının temel yapı taşıdır: veriyi aynı anda işleyip sonucu bir sonraki aşamaya aktaran yapay nöron grubudur. Her ağda giriş katmanı (ham veri buradan girer), bir veya daha fazla gizli katman (asıl işlem burada olur) ve çıkış katmanı (tahmin buradan çıkar) bulunur. “Derin” öğrenmenin “derinliği” tam olarak budur: çok sayıda gizli katmanın üst üste dizilmesi.
Katmanları bir fabrikadaki montaj hattı istasyonları gibi düşünebilirsiniz: her istasyon yarı işlenmiş ürünü alır, kendi işlemini ekler ve sonrakine devreder. Görüntü işleyen bir ağda ilk katmanlar kenar ve renk geçişlerini, ortadakiler doku ve şekilleri, sondakiler “yüz” ya da “araba” gibi bütün kavramları yakalar. Her katmanın çıkışına bir aktivasyon fonksiyonu eklenir; bu doğrusal olmayan dokunuş olmadan yüz katman bile tek katman kadar güç taşırdı.
Neden önemli?
Katman sayısı ve genişliği, modelin kapasitesini yani parametre sayısını belirler. GPT benzeri büyük dil modelleri, onlarca hatta yüzlerce Transformer katmanının üst üste dizilmesiyle oluşur; her katman metnin temsilini biraz daha rafine eder. Katman kavramını anlamak, “model büyüklüğü”, “derinlik” ve mimari tartışmalarının tamamına açılan kapıdır.